SlideShare una empresa de Scribd logo
1 de 11
Descargar para leer sin conexión
Traitement Statistique de l’Information (TSI)
    Universit´ Paris-Dauphine et ENSAE
             e

          Responsable Christian P. Robert
            Secr´taire Dani`le Daubard
                e          e
Master MIDO mention MMD - Mathématiques Appliquées
                                                                  M2 Spécialité TSI-M


              Traitement Statistique de l'lnformation - Mathématiques
                                                      Responsable : Christian Robert
                                  co-habilitée Ecole Nationale de la Statistique et de l'Administration Économique
                                                       9 cours à valider (soit 36 crédits ECTS)

Cours dispensés à                                                   2012/2013             La formation vise à garantir une expertise dans le
l'Université Paris-Dauphine                                                               traitement quantitatif de l'information, de manière à
                                                                                          asseoir les décisions et analyses de jeux de données sur
Au moins 5 cours (20 ECTS) à valider dans la liste ci-dessous                             des principes scientifiques que ce soit au niveau de la
                                                                                          collecte des données , de l'analyse et de l'utilisation de
                                                                                          ces données dans des environnements spécifiques.
                                                                                          Elle a pour but de former des statisticiens de haut
       * Calcul stochastique                                                              niveau qui se destinent soit à la recherche universitaire,
                                                                                          soit à la recherche dans des centres industriels, soit à
          * Processus à sauts                                                             des postes de direction scientifique en entreprise.
           * Bayesian non parametric statistics
              * EDSR et méthodes de Monte-Carlo pour les options américaines
                * Hidden Markov models and particle methods
                  * Bayesian case studies
                                                                        Cours dispensés à l'ENSAE
                   * Data mining supervisé
                                                                           Possibilité de valider au maximum 4 cours (16 ECTS)
                                                                                           dans la liste ci-dessous
                     * Reading seminar on classics
                                                                * Introduction aux méthodes statistiques pour la biologie moléculaire
                                                                     * Modèles statistiques dynamiques à variables cachées
                                                                             * Modèles GARCH et à volatilité stochastique
                                                                                    * Econométrie de la valorisation d’actifs
                                                                                             * Méthodes statistiques en finance
          Cours de formation par la recherche                                                     * Apprentissage et data mining
                       au CREST                                                                         * Copules et applications
                                                                                                           * Apprentissage statistique
                                                                                                              * Mesure des risques
                                      Stage                                                                    * Macroéconométrie
                                                                                                                 * Bayesian statistics
 Un stage d'initiation à la recherche au sein d'un laboratoire de l'université (CEREMADE, LISE), d'une autre université, d'un institut de recherche (CREST, INRIA,
 INRA, INSERM, TSI-ENST, IFREMER...) ou d'un laboratoire de recherche privé (banques, assurances, EDF...). Sa durée est de 10 semaines minimum. Ce stage donne
 lieu à la rédaction d'un rapport. La validation du stage équivaut à 24 ECTS.




                                                          www.mido.dauphine.f r
                                          Place du Maréchal de Lattre de Tassigny - 75775 Paris cedex 16
                                                                   Contact : D. Daubard 01 44 05 46 76 -
Buts



  La formation TSI vise ` garantir une expertise dans le traitement
                           a
  quantitatif de l’information (TSI), de mani`re ` asseoir les
                                               e a
  d´cisions et analyses de jeux de donn´es sur des principes
    e                                     e
  scientifiques que ce soit au niveau de la collecte des donn´es, de
                                                              e
  l’analyse et de l’utilisation de ces donn´es dans des environnements
                                            e
  sp´cifiques. Elle a pour but de former des statisticiens de haut
     e
  niveau qui se destinent
       ` la recherche universitaire
       a
       ` la recherche dans des centres industriels
       a
       ` des postes de direction scientifique en entreprise
       a
Organisation


   Les cours propos´s couvrent les diverses branches des statistiques
                     e
   math´matiques (bay´sien, non-param´trique, processus, extrˆmes)
         e              e                  e                      e
   et appliqu´es (r´seaux bay´siens, classification, simulation, mod`les
              e    e           e                                      e
   hierarchiques, biostatistique). D’une grande flexibilit´, le M2 TSI
                                                          e
   offre aussi la possibilit´ de suivre des cours de statistique de 3i`me
                           e                                         e
   ` l’ENSAE et dans les autres sp´cialit´s de la mention, mˆme si
   a                                 e     e                    e
   l’´tudiant(e) doit garder une certaine coh´rence dans son cursus.
     e                                        e
   Trois voies th´matiques sont propos´es :
                 e                       e
       statistique math´matique,
                       e
       outils statistiques de la finance
       Biostatistique.
Connaissances et comp´tences vis´es
                     e          e

      Capacit´s ` analyser, impl´menter et critiquer les mod`les
               e a                e                         e
      standard de la Statistique param´trique, de la conception `
                                        e                        a
      l’exploitation des sorties num´riques
                                    e
      Aptitude ` d´velopper de nouveaux mod`les statistiques dans
                a e                             e
      des situations nouvelles par la connaissance de familles de lois
      g´n´rales et d’outils statistiques adaptatifs (analyse
       e e
      non-param´trique, bay´sienne hi´rarchique, machine learning,
                 e            e         e
      data mining)
      Comp´tences num´riques pour la mise en oeuvre et le test de
            e         e
      ces nouveaux mod`les.
                      e
      Expertise statistique sur la fiabilit´ des r´sultats fournis
                                          e      e
      Maˆıtrise des outils de calcul les plus actuels (Monte Carlo,
      MCMC, diffusions, EDPS) pour l’approximation d’objets
      stochastiques complexes et la validation de syst`mes
                                                        e
Cours donn´s ` Paris-Dauphine U. [
          e a                                   5]

      Bayesian case studies
      Bayesian data analysis
      Bayesian non parametric statistics
      Calcul stochastique
      Data mining supervis´
                          e
      EDSR et m´thodes de Monte-Carlo pour les options
                 e
      am´ricaines
        e
      Hidden Markov models and particle methods
      Processus ` sauts
                a
      Reading seminar on statistical classics
      cours MASEF
      cours OFPR, CREST
Cours donn´s ` ENSAE-ParisTech [
          e a                                   4]

      Apprentissage et data mining
      Bayesian statistics
      Econom´trie de la valorisation d’actifs
            e
      Introduction aux m´thodes statistiques pour la biologie
                        e
      mol´culaire
          e
      Macro´conom´trie
           e     e
      M´thodes statistiques en finance
       e
      Mod`les statistiques dynamiques ` variables cach´es
         e                            a               e
      Mod`les GARCH et ` volatilit´ stochastique
         e             a          e
      Mod`les statistiques dynamiques ` variables cach´es
         e                            a               e
      Introduction aux m´thodes statistiques pour la biologie
                        e
      mol´culaire
          e
      plus cours OFPR, CREST
International




       Certains cours sont en anglais, en particulier ceux donn´s par
                                                               e
       des visiteurs ´trangers (e.g., Andrew Gelman, Columbia U.,
                     e
       Fall 2013)
       ´
       Echanges avec La Sapienza Universit` di Roma, U. Aut´noma
                                             a                 o
       de Madrid, Helsingin Yliopisto, Warwick University
       Th`ses en co-tutelle avec QUT Brisbane, U. La Sapienza
         e
       Roma, Warwick University, &tc.
Stage ou m´moire?
          e




  Un stage d’initiation ` la recherche au sein d’un laboratoire de
                        a
  l’universit´ (CEREMADE, LISE), d’une autre universit´, d’un
             e                                           e
  institut de recherche (CREST, CNRS, INRIA, INRA, INSERM,
  IFREMER...) ou d’une entreprise (banques, assurances, EDF...).
  Sa dur´e est de 10 semaines minimum. Ce stage donne lieu ` la
         e                                                      a
  r´daction d’un rapport. La validation du stage ´quivaut ` 24
   e                                              e         a
  ECTS.
Stage ou m´moire?
          e


  Quelques exemples
      ORANGE : charg´ d’´tudes et d’analyses statistiques.
                    e e
      BNP Parisbas : simulation des risques
      Pricing Partners : Valorisation de produits d´riv´s.
                                                   e e
      Soci´t´ G´n´rale : Trader assistant.
          ee e e
      CREST/INSEE : Mod`les log- Garch.
                       e
      NATIXIS : Mod`les credit/equity - liquidit´.
                   e                            e
      KPMG : Participation active et op´rationnelle ` des missions
                                        e             a
      d’audit financier dans des secteurs d’activit´s vari´es.
                                                  e      e
      GT ENSAE (plus travail personnel)
Inscriptions




   Dossier t´l´chargeable sur
            ee
   http://www.mido.dauphine.fr/admissions-exterieures-2013-
   2014.html
   Dates limites
     1. 27 juin 2013 (r´sultats 8 juillet)
                       e
     2. 5 septembre 2013, suivant places disponibles (r´sultats 16
                                                       e
        septembre)

Más contenido relacionado

Destacado

exercices corrigés échantillonnage et estimation
exercices corrigés échantillonnage et estimationexercices corrigés échantillonnage et estimation
exercices corrigés échantillonnage et estimationcours fsjes
 
Nsg 5592 module 1
Nsg 5592 module 1Nsg 5592 module 1
Nsg 5592 module 1aduboi4
 
Analyse combinatoire.10 11
Analyse combinatoire.10 11Analyse combinatoire.10 11
Analyse combinatoire.10 11Rémi Anonymes
 
Tests relatifs aux fréquences et au khi deux
Tests relatifs aux fréquences et au khi deuxTests relatifs aux fréquences et au khi deux
Tests relatifs aux fréquences et au khi deuxYoucef63000
 
éChantillonnage estimation
éChantillonnage   estimationéChantillonnage   estimation
éChantillonnage estimationmarouane hdidou
 
Vielfalt statt einfalt von der natur lernen v1.0 xpdays
Vielfalt statt einfalt   von der natur lernen v1.0 xpdaysVielfalt statt einfalt   von der natur lernen v1.0 xpdays
Vielfalt statt einfalt von der natur lernen v1.0 xpdaysxpdaysgermany
 
Cellcast de lacquisition client à la gestion du churn
Cellcast   de lacquisition client à la gestion du churnCellcast   de lacquisition client à la gestion du churn
Cellcast de lacquisition client à la gestion du churnAFMM
 
Presentación1
Presentación1Presentación1
Presentación1pacitina
 
Kaltekis tiere
Kaltekis tiereKaltekis tiere
Kaltekis tiereYPEPTH
 

Destacado (14)

exercices corrigés échantillonnage et estimation
exercices corrigés échantillonnage et estimationexercices corrigés échantillonnage et estimation
exercices corrigés échantillonnage et estimation
 
Td statistique
Td statistiqueTd statistique
Td statistique
 
Nsg 5592 module 1
Nsg 5592 module 1Nsg 5592 module 1
Nsg 5592 module 1
 
Analyse combinatoire.10 11
Analyse combinatoire.10 11Analyse combinatoire.10 11
Analyse combinatoire.10 11
 
Tests relatifs aux fréquences et au khi deux
Tests relatifs aux fréquences et au khi deuxTests relatifs aux fréquences et au khi deux
Tests relatifs aux fréquences et au khi deux
 
éChantillonnage estimation
éChantillonnage   estimationéChantillonnage   estimation
éChantillonnage estimation
 
Stat1
Stat1Stat1
Stat1
 
Stat3 Intervalle De Confiance
Stat3  Intervalle De ConfianceStat3  Intervalle De Confiance
Stat3 Intervalle De Confiance
 
Vielfalt statt einfalt von der natur lernen v1.0 xpdays
Vielfalt statt einfalt   von der natur lernen v1.0 xpdaysVielfalt statt einfalt   von der natur lernen v1.0 xpdays
Vielfalt statt einfalt von der natur lernen v1.0 xpdays
 
Cellcast de lacquisition client à la gestion du churn
Cellcast   de lacquisition client à la gestion du churnCellcast   de lacquisition client à la gestion du churn
Cellcast de lacquisition client à la gestion du churn
 
PLÁSTICOS
PLÁSTICOSPLÁSTICOS
PLÁSTICOS
 
Presentación1
Presentación1Presentación1
Presentación1
 
Kaltekis tiere
Kaltekis tiereKaltekis tiere
Kaltekis tiere
 
Sapiensales no3
Sapiensales  no3Sapiensales  no3
Sapiensales no3
 

Similar a Presentation du Master 2 TSI

0 g317g formation-survey-analysis-using-ibm-spss-statistics
0 g317g formation-survey-analysis-using-ibm-spss-statistics0 g317g formation-survey-analysis-using-ibm-spss-statistics
0 g317g formation-survey-analysis-using-ibm-spss-statisticsCERTyou Formation
 
• Les statistiques peuvent être vues en fonction de l'objectif fixé ;
• Les statistiques peuvent être vues en fonction de l'objectif fixé ;• Les statistiques peuvent être vues en fonction de l'objectif fixé ;
• Les statistiques peuvent être vues en fonction de l'objectif fixé ;bawen34465
 
Master 2 Maserati 13
Master 2 Maserati 13Master 2 Maserati 13
Master 2 Maserati 13ahdarf
 
Information comptable et image fidèle dans les sociétés anonymes au Cameroun
Information comptable et image fidèle dans les sociétés anonymes au CamerounInformation comptable et image fidèle dans les sociétés anonymes au Cameroun
Information comptable et image fidèle dans les sociétés anonymes au CamerounUniversité de Dschang
 
Plateformes génériques pour le partage de données et de traitements : exemple...
Plateformes génériques pour le partage de données et de traitements : exemple...Plateformes génériques pour le partage de données et de traitements : exemple...
Plateformes génériques pour le partage de données et de traitements : exemple...Desconnets Jean-Christophe
 
Datasio - Big Data Congress Paris 2012
Datasio - Big Data Congress Paris 2012Datasio - Big Data Congress Paris 2012
Datasio - Big Data Congress Paris 2012datasio
 
Formation spss mars 2013
Formation spss mars 2013Formation spss mars 2013
Formation spss mars 2013Ahmed Tbc
 
Risk and rams assessment
Risk and rams assessmentRisk and rams assessment
Risk and rams assessmentfrancoisperes
 
Master MA&EME de Chatenay-Malabry
Master MA&EME de Chatenay-Malabry Master MA&EME de Chatenay-Malabry
Master MA&EME de Chatenay-Malabry Isabelle Borget
 
FinteQC 2018 | Spécification des exigences des tâches cognitives pour la gest...
FinteQC 2018 | Spécification des exigences des tâches cognitives pour la gest...FinteQC 2018 | Spécification des exigences des tâches cognitives pour la gest...
FinteQC 2018 | Spécification des exigences des tâches cognitives pour la gest...Alexandre Moïse
 
0 g056g formation-analyse-des-correspondances-avec-spss-statistics
0 g056g formation-analyse-des-correspondances-avec-spss-statistics0 g056g formation-analyse-des-correspondances-avec-spss-statistics
0 g056g formation-analyse-des-correspondances-avec-spss-statisticsCERTyou Formation
 
The Duquesne group, en 4 slides
The Duquesne group, en 4 slidesThe Duquesne group, en 4 slides
The Duquesne group, en 4 slidesDUQUESNE ADVISORY
 
Séminaire BIG DATA, SYNTHÈSE - ORSYS Formation
Séminaire BIG DATA, SYNTHÈSE - ORSYS FormationSéminaire BIG DATA, SYNTHÈSE - ORSYS Formation
Séminaire BIG DATA, SYNTHÈSE - ORSYS FormationORSYS
 
Statistiques ofppt
Statistiques ofpptStatistiques ofppt
Statistiques ofpptkhawla atir
 
Modulestatistiques 120308132649-phpapp01
Modulestatistiques 120308132649-phpapp01Modulestatistiques 120308132649-phpapp01
Modulestatistiques 120308132649-phpapp01ilhamto katosa
 
0 a032g formation-modeles-predictifs-avec-ibm-spss-modeler
0 a032g formation-modeles-predictifs-avec-ibm-spss-modeler0 a032g formation-modeles-predictifs-avec-ibm-spss-modeler
0 a032g formation-modeles-predictifs-avec-ibm-spss-modelerCERTyou Formation
 
Tawfik mouline apport_ie
Tawfik mouline  apport_ieTawfik mouline  apport_ie
Tawfik mouline apport_ieAhmed En-nminej
 

Similar a Presentation du Master 2 TSI (20)

0 g317g formation-survey-analysis-using-ibm-spss-statistics
0 g317g formation-survey-analysis-using-ibm-spss-statistics0 g317g formation-survey-analysis-using-ibm-spss-statistics
0 g317g formation-survey-analysis-using-ibm-spss-statistics
 
Plaquette mastère sciences des données
Plaquette mastère sciences des donnéesPlaquette mastère sciences des données
Plaquette mastère sciences des données
 
Plaquette mastère sciences des données
Plaquette mastère sciences des donnéesPlaquette mastère sciences des données
Plaquette mastère sciences des données
 
• Les statistiques peuvent être vues en fonction de l'objectif fixé ;
• Les statistiques peuvent être vues en fonction de l'objectif fixé ;• Les statistiques peuvent être vues en fonction de l'objectif fixé ;
• Les statistiques peuvent être vues en fonction de l'objectif fixé ;
 
Master 2 Maserati 13
Master 2 Maserati 13Master 2 Maserati 13
Master 2 Maserati 13
 
Information comptable et image fidèle dans les sociétés anonymes au Cameroun
Information comptable et image fidèle dans les sociétés anonymes au CamerounInformation comptable et image fidèle dans les sociétés anonymes au Cameroun
Information comptable et image fidèle dans les sociétés anonymes au Cameroun
 
Plateformes génériques pour le partage de données et de traitements : exemple...
Plateformes génériques pour le partage de données et de traitements : exemple...Plateformes génériques pour le partage de données et de traitements : exemple...
Plateformes génériques pour le partage de données et de traitements : exemple...
 
Datasio - Big Data Congress Paris 2012
Datasio - Big Data Congress Paris 2012Datasio - Big Data Congress Paris 2012
Datasio - Big Data Congress Paris 2012
 
Statistiques descriptives
Statistiques descriptivesStatistiques descriptives
Statistiques descriptives
 
Formation spss mars 2013
Formation spss mars 2013Formation spss mars 2013
Formation spss mars 2013
 
Risk and rams assessment
Risk and rams assessmentRisk and rams assessment
Risk and rams assessment
 
Master MA&EME de Chatenay-Malabry
Master MA&EME de Chatenay-Malabry Master MA&EME de Chatenay-Malabry
Master MA&EME de Chatenay-Malabry
 
FinteQC 2018 | Spécification des exigences des tâches cognitives pour la gest...
FinteQC 2018 | Spécification des exigences des tâches cognitives pour la gest...FinteQC 2018 | Spécification des exigences des tâches cognitives pour la gest...
FinteQC 2018 | Spécification des exigences des tâches cognitives pour la gest...
 
0 g056g formation-analyse-des-correspondances-avec-spss-statistics
0 g056g formation-analyse-des-correspondances-avec-spss-statistics0 g056g formation-analyse-des-correspondances-avec-spss-statistics
0 g056g formation-analyse-des-correspondances-avec-spss-statistics
 
The Duquesne group, en 4 slides
The Duquesne group, en 4 slidesThe Duquesne group, en 4 slides
The Duquesne group, en 4 slides
 
Séminaire BIG DATA, SYNTHÈSE - ORSYS Formation
Séminaire BIG DATA, SYNTHÈSE - ORSYS FormationSéminaire BIG DATA, SYNTHÈSE - ORSYS Formation
Séminaire BIG DATA, SYNTHÈSE - ORSYS Formation
 
Statistiques ofppt
Statistiques ofpptStatistiques ofppt
Statistiques ofppt
 
Modulestatistiques 120308132649-phpapp01
Modulestatistiques 120308132649-phpapp01Modulestatistiques 120308132649-phpapp01
Modulestatistiques 120308132649-phpapp01
 
0 a032g formation-modeles-predictifs-avec-ibm-spss-modeler
0 a032g formation-modeles-predictifs-avec-ibm-spss-modeler0 a032g formation-modeles-predictifs-avec-ibm-spss-modeler
0 a032g formation-modeles-predictifs-avec-ibm-spss-modeler
 
Tawfik mouline apport_ie
Tawfik mouline  apport_ieTawfik mouline  apport_ie
Tawfik mouline apport_ie
 

Más de Christian Robert

Asymptotics of ABC, lecture, Collège de France
Asymptotics of ABC, lecture, Collège de FranceAsymptotics of ABC, lecture, Collège de France
Asymptotics of ABC, lecture, Collège de FranceChristian Robert
 
Workshop in honour of Don Poskitt and Gael Martin
Workshop in honour of Don Poskitt and Gael MartinWorkshop in honour of Don Poskitt and Gael Martin
Workshop in honour of Don Poskitt and Gael MartinChristian Robert
 
How many components in a mixture?
How many components in a mixture?How many components in a mixture?
How many components in a mixture?Christian Robert
 
Testing for mixtures at BNP 13
Testing for mixtures at BNP 13Testing for mixtures at BNP 13
Testing for mixtures at BNP 13Christian Robert
 
Inferring the number of components: dream or reality?
Inferring the number of components: dream or reality?Inferring the number of components: dream or reality?
Inferring the number of components: dream or reality?Christian Robert
 
Testing for mixtures by seeking components
Testing for mixtures by seeking componentsTesting for mixtures by seeking components
Testing for mixtures by seeking componentsChristian Robert
 
discussion on Bayesian restricted likelihood
discussion on Bayesian restricted likelihooddiscussion on Bayesian restricted likelihood
discussion on Bayesian restricted likelihoodChristian Robert
 
NCE, GANs & VAEs (and maybe BAC)
NCE, GANs & VAEs (and maybe BAC)NCE, GANs & VAEs (and maybe BAC)
NCE, GANs & VAEs (and maybe BAC)Christian Robert
 
Coordinate sampler : A non-reversible Gibbs-like sampler
Coordinate sampler : A non-reversible Gibbs-like samplerCoordinate sampler : A non-reversible Gibbs-like sampler
Coordinate sampler : A non-reversible Gibbs-like samplerChristian Robert
 
Laplace's Demon: seminar #1
Laplace's Demon: seminar #1Laplace's Demon: seminar #1
Laplace's Demon: seminar #1Christian Robert
 
Likelihood-free Design: a discussion
Likelihood-free Design: a discussionLikelihood-free Design: a discussion
Likelihood-free Design: a discussionChristian Robert
 

Más de Christian Robert (20)

Asymptotics of ABC, lecture, Collège de France
Asymptotics of ABC, lecture, Collège de FranceAsymptotics of ABC, lecture, Collège de France
Asymptotics of ABC, lecture, Collège de France
 
Workshop in honour of Don Poskitt and Gael Martin
Workshop in honour of Don Poskitt and Gael MartinWorkshop in honour of Don Poskitt and Gael Martin
Workshop in honour of Don Poskitt and Gael Martin
 
discussion of ICML23.pdf
discussion of ICML23.pdfdiscussion of ICML23.pdf
discussion of ICML23.pdf
 
How many components in a mixture?
How many components in a mixture?How many components in a mixture?
How many components in a mixture?
 
restore.pdf
restore.pdfrestore.pdf
restore.pdf
 
Testing for mixtures at BNP 13
Testing for mixtures at BNP 13Testing for mixtures at BNP 13
Testing for mixtures at BNP 13
 
Inferring the number of components: dream or reality?
Inferring the number of components: dream or reality?Inferring the number of components: dream or reality?
Inferring the number of components: dream or reality?
 
CDT 22 slides.pdf
CDT 22 slides.pdfCDT 22 slides.pdf
CDT 22 slides.pdf
 
Testing for mixtures by seeking components
Testing for mixtures by seeking componentsTesting for mixtures by seeking components
Testing for mixtures by seeking components
 
discussion on Bayesian restricted likelihood
discussion on Bayesian restricted likelihooddiscussion on Bayesian restricted likelihood
discussion on Bayesian restricted likelihood
 
NCE, GANs & VAEs (and maybe BAC)
NCE, GANs & VAEs (and maybe BAC)NCE, GANs & VAEs (and maybe BAC)
NCE, GANs & VAEs (and maybe BAC)
 
ABC-Gibbs
ABC-GibbsABC-Gibbs
ABC-Gibbs
 
Coordinate sampler : A non-reversible Gibbs-like sampler
Coordinate sampler : A non-reversible Gibbs-like samplerCoordinate sampler : A non-reversible Gibbs-like sampler
Coordinate sampler : A non-reversible Gibbs-like sampler
 
eugenics and statistics
eugenics and statisticseugenics and statistics
eugenics and statistics
 
Laplace's Demon: seminar #1
Laplace's Demon: seminar #1Laplace's Demon: seminar #1
Laplace's Demon: seminar #1
 
ABC-Gibbs
ABC-GibbsABC-Gibbs
ABC-Gibbs
 
asymptotics of ABC
asymptotics of ABCasymptotics of ABC
asymptotics of ABC
 
ABC-Gibbs
ABC-GibbsABC-Gibbs
ABC-Gibbs
 
Likelihood-free Design: a discussion
Likelihood-free Design: a discussionLikelihood-free Design: a discussion
Likelihood-free Design: a discussion
 
the ABC of ABC
the ABC of ABCthe ABC of ABC
the ABC of ABC
 

Último

Bibdoc 2024 - Les maillons de la chaine du livre face aux enjeux écologiques.pdf
Bibdoc 2024 - Les maillons de la chaine du livre face aux enjeux écologiques.pdfBibdoc 2024 - Les maillons de la chaine du livre face aux enjeux écologiques.pdf
Bibdoc 2024 - Les maillons de la chaine du livre face aux enjeux écologiques.pdfBibdoc 37
 
Bibdoc 2024 - Ecologie du livre et creation de badge.pdf
Bibdoc 2024 - Ecologie du livre et creation de badge.pdfBibdoc 2024 - Ecologie du livre et creation de badge.pdf
Bibdoc 2024 - Ecologie du livre et creation de badge.pdfBibdoc 37
 
SciencesPo_Aix_InnovationPédagogique_Atelier_FormationRecherche.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_FormationRecherche.pdfSciencesPo_Aix_InnovationPédagogique_Atelier_FormationRecherche.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_FormationRecherche.pdfSKennel
 
le present des verbes reguliers -er.pptx
le present des verbes reguliers -er.pptxle present des verbes reguliers -er.pptx
le present des verbes reguliers -er.pptxmmatar2
 
Présentation_ Didactique 1_SVT (S4) complet.pptx
Présentation_ Didactique 1_SVT (S4) complet.pptxPrésentation_ Didactique 1_SVT (S4) complet.pptx
Présentation_ Didactique 1_SVT (S4) complet.pptxrababouerdighi
 
Cours SE Gestion des périphériques - IG IPSET
Cours SE Gestion des périphériques - IG IPSETCours SE Gestion des périphériques - IG IPSET
Cours SE Gestion des périphériques - IG IPSETMedBechir
 
SciencesPo_Aix_InnovationPédagogique_Atelier_EtudiantActeur.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_EtudiantActeur.pdfSciencesPo_Aix_InnovationPédagogique_Atelier_EtudiantActeur.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_EtudiantActeur.pdfSKennel
 
Annie Ernaux Extérieurs. pptx. Exposition basée sur un livre .
Annie   Ernaux  Extérieurs. pptx. Exposition basée sur un livre .Annie   Ernaux  Extérieurs. pptx. Exposition basée sur un livre .
Annie Ernaux Extérieurs. pptx. Exposition basée sur un livre .Txaruka
 
LA MONTÉE DE L'ÉDUCATION DANS LE MONDE DE LA PRÉHISTOIRE À L'ÈRE CONTEMPORAIN...
LA MONTÉE DE L'ÉDUCATION DANS LE MONDE DE LA PRÉHISTOIRE À L'ÈRE CONTEMPORAIN...LA MONTÉE DE L'ÉDUCATION DANS LE MONDE DE LA PRÉHISTOIRE À L'ÈRE CONTEMPORAIN...
LA MONTÉE DE L'ÉDUCATION DANS LE MONDE DE LA PRÉHISTOIRE À L'ÈRE CONTEMPORAIN...Faga1939
 
Bernard Réquichot.pptx Peintre français
Bernard Réquichot.pptx   Peintre françaisBernard Réquichot.pptx   Peintre français
Bernard Réquichot.pptx Peintre françaisTxaruka
 
Le Lean sur une ligne de production : Formation et mise en application directe
Le Lean sur une ligne de production : Formation et mise en application directeLe Lean sur une ligne de production : Formation et mise en application directe
Le Lean sur une ligne de production : Formation et mise en application directeXL Groupe
 
SciencesPo_Aix_InnovationPédagogique_Atelier_IA.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_IA.pdfSciencesPo_Aix_InnovationPédagogique_Atelier_IA.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_IA.pdfSKennel
 
Zotero avancé - support de formation doctorants SHS 2024
Zotero avancé - support de formation doctorants SHS 2024Zotero avancé - support de formation doctorants SHS 2024
Zotero avancé - support de formation doctorants SHS 2024Alain Marois
 
Evaluation du systeme d'Education. Marocpptx
Evaluation du systeme d'Education. MarocpptxEvaluation du systeme d'Education. Marocpptx
Evaluation du systeme d'Education. MarocpptxAsmaa105193
 
SciencesPo_Aix_InnovationPédagogique_Bilan.pdf
SciencesPo_Aix_InnovationPédagogique_Bilan.pdfSciencesPo_Aix_InnovationPédagogique_Bilan.pdf
SciencesPo_Aix_InnovationPédagogique_Bilan.pdfSKennel
 
Cours SE Le système Linux : La ligne de commande bash - IG IPSET
Cours SE Le système Linux : La ligne de commande bash - IG IPSETCours SE Le système Linux : La ligne de commande bash - IG IPSET
Cours SE Le système Linux : La ligne de commande bash - IG IPSETMedBechir
 
SciencesPo_Aix_InnovationPédagogique_Conférence_SK.pdf
SciencesPo_Aix_InnovationPédagogique_Conférence_SK.pdfSciencesPo_Aix_InnovationPédagogique_Conférence_SK.pdf
SciencesPo_Aix_InnovationPédagogique_Conférence_SK.pdfSKennel
 
Presentation de la plateforme Moodle - avril 2024
Presentation de la plateforme Moodle - avril 2024Presentation de la plateforme Moodle - avril 2024
Presentation de la plateforme Moodle - avril 2024Gilles Le Page
 
Saint Georges, martyr, et la lègend du dragon.pptx
Saint Georges, martyr, et la lègend du dragon.pptxSaint Georges, martyr, et la lègend du dragon.pptx
Saint Georges, martyr, et la lègend du dragon.pptxMartin M Flynn
 

Último (20)

Bibdoc 2024 - Les maillons de la chaine du livre face aux enjeux écologiques.pdf
Bibdoc 2024 - Les maillons de la chaine du livre face aux enjeux écologiques.pdfBibdoc 2024 - Les maillons de la chaine du livre face aux enjeux écologiques.pdf
Bibdoc 2024 - Les maillons de la chaine du livre face aux enjeux écologiques.pdf
 
Bibdoc 2024 - Ecologie du livre et creation de badge.pdf
Bibdoc 2024 - Ecologie du livre et creation de badge.pdfBibdoc 2024 - Ecologie du livre et creation de badge.pdf
Bibdoc 2024 - Ecologie du livre et creation de badge.pdf
 
SciencesPo_Aix_InnovationPédagogique_Atelier_FormationRecherche.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_FormationRecherche.pdfSciencesPo_Aix_InnovationPédagogique_Atelier_FormationRecherche.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_FormationRecherche.pdf
 
le present des verbes reguliers -er.pptx
le present des verbes reguliers -er.pptxle present des verbes reguliers -er.pptx
le present des verbes reguliers -er.pptx
 
Présentation_ Didactique 1_SVT (S4) complet.pptx
Présentation_ Didactique 1_SVT (S4) complet.pptxPrésentation_ Didactique 1_SVT (S4) complet.pptx
Présentation_ Didactique 1_SVT (S4) complet.pptx
 
Cours SE Gestion des périphériques - IG IPSET
Cours SE Gestion des périphériques - IG IPSETCours SE Gestion des périphériques - IG IPSET
Cours SE Gestion des périphériques - IG IPSET
 
SciencesPo_Aix_InnovationPédagogique_Atelier_EtudiantActeur.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_EtudiantActeur.pdfSciencesPo_Aix_InnovationPédagogique_Atelier_EtudiantActeur.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_EtudiantActeur.pdf
 
Annie Ernaux Extérieurs. pptx. Exposition basée sur un livre .
Annie   Ernaux  Extérieurs. pptx. Exposition basée sur un livre .Annie   Ernaux  Extérieurs. pptx. Exposition basée sur un livre .
Annie Ernaux Extérieurs. pptx. Exposition basée sur un livre .
 
LA MONTÉE DE L'ÉDUCATION DANS LE MONDE DE LA PRÉHISTOIRE À L'ÈRE CONTEMPORAIN...
LA MONTÉE DE L'ÉDUCATION DANS LE MONDE DE LA PRÉHISTOIRE À L'ÈRE CONTEMPORAIN...LA MONTÉE DE L'ÉDUCATION DANS LE MONDE DE LA PRÉHISTOIRE À L'ÈRE CONTEMPORAIN...
LA MONTÉE DE L'ÉDUCATION DANS LE MONDE DE LA PRÉHISTOIRE À L'ÈRE CONTEMPORAIN...
 
Bernard Réquichot.pptx Peintre français
Bernard Réquichot.pptx   Peintre françaisBernard Réquichot.pptx   Peintre français
Bernard Réquichot.pptx Peintre français
 
Le Lean sur une ligne de production : Formation et mise en application directe
Le Lean sur une ligne de production : Formation et mise en application directeLe Lean sur une ligne de production : Formation et mise en application directe
Le Lean sur une ligne de production : Formation et mise en application directe
 
SciencesPo_Aix_InnovationPédagogique_Atelier_IA.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_IA.pdfSciencesPo_Aix_InnovationPédagogique_Atelier_IA.pdf
SciencesPo_Aix_InnovationPédagogique_Atelier_IA.pdf
 
Zotero avancé - support de formation doctorants SHS 2024
Zotero avancé - support de formation doctorants SHS 2024Zotero avancé - support de formation doctorants SHS 2024
Zotero avancé - support de formation doctorants SHS 2024
 
Evaluation du systeme d'Education. Marocpptx
Evaluation du systeme d'Education. MarocpptxEvaluation du systeme d'Education. Marocpptx
Evaluation du systeme d'Education. Marocpptx
 
SciencesPo_Aix_InnovationPédagogique_Bilan.pdf
SciencesPo_Aix_InnovationPédagogique_Bilan.pdfSciencesPo_Aix_InnovationPédagogique_Bilan.pdf
SciencesPo_Aix_InnovationPédagogique_Bilan.pdf
 
DO PALÁCIO À ASSEMBLEIA .
DO PALÁCIO À ASSEMBLEIA                 .DO PALÁCIO À ASSEMBLEIA                 .
DO PALÁCIO À ASSEMBLEIA .
 
Cours SE Le système Linux : La ligne de commande bash - IG IPSET
Cours SE Le système Linux : La ligne de commande bash - IG IPSETCours SE Le système Linux : La ligne de commande bash - IG IPSET
Cours SE Le système Linux : La ligne de commande bash - IG IPSET
 
SciencesPo_Aix_InnovationPédagogique_Conférence_SK.pdf
SciencesPo_Aix_InnovationPédagogique_Conférence_SK.pdfSciencesPo_Aix_InnovationPédagogique_Conférence_SK.pdf
SciencesPo_Aix_InnovationPédagogique_Conférence_SK.pdf
 
Presentation de la plateforme Moodle - avril 2024
Presentation de la plateforme Moodle - avril 2024Presentation de la plateforme Moodle - avril 2024
Presentation de la plateforme Moodle - avril 2024
 
Saint Georges, martyr, et la lègend du dragon.pptx
Saint Georges, martyr, et la lègend du dragon.pptxSaint Georges, martyr, et la lègend du dragon.pptx
Saint Georges, martyr, et la lègend du dragon.pptx
 

Presentation du Master 2 TSI

  • 1. Traitement Statistique de l’Information (TSI) Universit´ Paris-Dauphine et ENSAE e Responsable Christian P. Robert Secr´taire Dani`le Daubard e e
  • 2. Master MIDO mention MMD - Mathématiques Appliquées M2 Spécialité TSI-M Traitement Statistique de l'lnformation - Mathématiques Responsable : Christian Robert co-habilitée Ecole Nationale de la Statistique et de l'Administration Économique 9 cours à valider (soit 36 crédits ECTS) Cours dispensés à 2012/2013 La formation vise à garantir une expertise dans le l'Université Paris-Dauphine traitement quantitatif de l'information, de manière à asseoir les décisions et analyses de jeux de données sur Au moins 5 cours (20 ECTS) à valider dans la liste ci-dessous des principes scientifiques que ce soit au niveau de la collecte des données , de l'analyse et de l'utilisation de ces données dans des environnements spécifiques. Elle a pour but de former des statisticiens de haut * Calcul stochastique niveau qui se destinent soit à la recherche universitaire, soit à la recherche dans des centres industriels, soit à * Processus à sauts des postes de direction scientifique en entreprise. * Bayesian non parametric statistics * EDSR et méthodes de Monte-Carlo pour les options américaines * Hidden Markov models and particle methods * Bayesian case studies Cours dispensés à l'ENSAE * Data mining supervisé Possibilité de valider au maximum 4 cours (16 ECTS) dans la liste ci-dessous * Reading seminar on classics * Introduction aux méthodes statistiques pour la biologie moléculaire * Modèles statistiques dynamiques à variables cachées * Modèles GARCH et à volatilité stochastique * Econométrie de la valorisation d’actifs * Méthodes statistiques en finance Cours de formation par la recherche * Apprentissage et data mining au CREST * Copules et applications * Apprentissage statistique * Mesure des risques Stage * Macroéconométrie * Bayesian statistics Un stage d'initiation à la recherche au sein d'un laboratoire de l'université (CEREMADE, LISE), d'une autre université, d'un institut de recherche (CREST, INRIA, INRA, INSERM, TSI-ENST, IFREMER...) ou d'un laboratoire de recherche privé (banques, assurances, EDF...). Sa durée est de 10 semaines minimum. Ce stage donne lieu à la rédaction d'un rapport. La validation du stage équivaut à 24 ECTS. www.mido.dauphine.f r Place du Maréchal de Lattre de Tassigny - 75775 Paris cedex 16 Contact : D. Daubard 01 44 05 46 76 -
  • 3. Buts La formation TSI vise ` garantir une expertise dans le traitement a quantitatif de l’information (TSI), de mani`re ` asseoir les e a d´cisions et analyses de jeux de donn´es sur des principes e e scientifiques que ce soit au niveau de la collecte des donn´es, de e l’analyse et de l’utilisation de ces donn´es dans des environnements e sp´cifiques. Elle a pour but de former des statisticiens de haut e niveau qui se destinent ` la recherche universitaire a ` la recherche dans des centres industriels a ` des postes de direction scientifique en entreprise a
  • 4. Organisation Les cours propos´s couvrent les diverses branches des statistiques e math´matiques (bay´sien, non-param´trique, processus, extrˆmes) e e e e et appliqu´es (r´seaux bay´siens, classification, simulation, mod`les e e e e hierarchiques, biostatistique). D’une grande flexibilit´, le M2 TSI e offre aussi la possibilit´ de suivre des cours de statistique de 3i`me e e ` l’ENSAE et dans les autres sp´cialit´s de la mention, mˆme si a e e e l’´tudiant(e) doit garder une certaine coh´rence dans son cursus. e e Trois voies th´matiques sont propos´es : e e statistique math´matique, e outils statistiques de la finance Biostatistique.
  • 5. Connaissances et comp´tences vis´es e e Capacit´s ` analyser, impl´menter et critiquer les mod`les e a e e standard de la Statistique param´trique, de la conception ` e a l’exploitation des sorties num´riques e Aptitude ` d´velopper de nouveaux mod`les statistiques dans a e e des situations nouvelles par la connaissance de familles de lois g´n´rales et d’outils statistiques adaptatifs (analyse e e non-param´trique, bay´sienne hi´rarchique, machine learning, e e e data mining) Comp´tences num´riques pour la mise en oeuvre et le test de e e ces nouveaux mod`les. e Expertise statistique sur la fiabilit´ des r´sultats fournis e e Maˆıtrise des outils de calcul les plus actuels (Monte Carlo, MCMC, diffusions, EDPS) pour l’approximation d’objets stochastiques complexes et la validation de syst`mes e
  • 6. Cours donn´s ` Paris-Dauphine U. [ e a 5] Bayesian case studies Bayesian data analysis Bayesian non parametric statistics Calcul stochastique Data mining supervis´ e EDSR et m´thodes de Monte-Carlo pour les options e am´ricaines e Hidden Markov models and particle methods Processus ` sauts a Reading seminar on statistical classics cours MASEF cours OFPR, CREST
  • 7. Cours donn´s ` ENSAE-ParisTech [ e a 4] Apprentissage et data mining Bayesian statistics Econom´trie de la valorisation d’actifs e Introduction aux m´thodes statistiques pour la biologie e mol´culaire e Macro´conom´trie e e M´thodes statistiques en finance e Mod`les statistiques dynamiques ` variables cach´es e a e Mod`les GARCH et ` volatilit´ stochastique e a e Mod`les statistiques dynamiques ` variables cach´es e a e Introduction aux m´thodes statistiques pour la biologie e mol´culaire e plus cours OFPR, CREST
  • 8. International Certains cours sont en anglais, en particulier ceux donn´s par e des visiteurs ´trangers (e.g., Andrew Gelman, Columbia U., e Fall 2013) ´ Echanges avec La Sapienza Universit` di Roma, U. Aut´noma a o de Madrid, Helsingin Yliopisto, Warwick University Th`ses en co-tutelle avec QUT Brisbane, U. La Sapienza e Roma, Warwick University, &tc.
  • 9. Stage ou m´moire? e Un stage d’initiation ` la recherche au sein d’un laboratoire de a l’universit´ (CEREMADE, LISE), d’une autre universit´, d’un e e institut de recherche (CREST, CNRS, INRIA, INRA, INSERM, IFREMER...) ou d’une entreprise (banques, assurances, EDF...). Sa dur´e est de 10 semaines minimum. Ce stage donne lieu ` la e a r´daction d’un rapport. La validation du stage ´quivaut ` 24 e e a ECTS.
  • 10. Stage ou m´moire? e Quelques exemples ORANGE : charg´ d’´tudes et d’analyses statistiques. e e BNP Parisbas : simulation des risques Pricing Partners : Valorisation de produits d´riv´s. e e Soci´t´ G´n´rale : Trader assistant. ee e e CREST/INSEE : Mod`les log- Garch. e NATIXIS : Mod`les credit/equity - liquidit´. e e KPMG : Participation active et op´rationnelle ` des missions e a d’audit financier dans des secteurs d’activit´s vari´es. e e GT ENSAE (plus travail personnel)
  • 11. Inscriptions Dossier t´l´chargeable sur ee http://www.mido.dauphine.fr/admissions-exterieures-2013- 2014.html Dates limites 1. 27 juin 2013 (r´sultats 8 juillet) e 2. 5 septembre 2013, suivant places disponibles (r´sultats 16 e septembre)